智能交通系统(ITS)是现代交通视频监控领域的热点研究课题之一,代表着未来交通管理的发展趋势,已被公认为解决道路交通拥挤、事故频繁等问题,保障交通的顺畅和安全,最大限度地挖掘现有道路的承载能力的有效途径。基于视频监控的车辆检测与车速测定技术作为ITS的关键技术处于ITS的底层,是整个系统的数据来源,其检测的准确性,直接影响后续的目标跟踪、特征提取及行为理解的效果,在ITS中起着决定性的作用。目前广泛使用的单目视觉方法是基于灰度或颜色的运动检测,其关键步骤是背景模型的建立与更新,这种方法虽能很好的描述交通场景并进行运动检测,但一直存在对光线敏感,黑洞、阴影等问题,特别对于场景光线的变化,很难进行准确实时的背景更新,从而出现车辆误检的现象。本文围绕车辆检测与速度测定的流程展开研究工作,在系统分析前人研究成果和存在的问题的基础上,深入研究了视频图像预处理、背景建模与更新、前景与背景分离、运动检测后处理及车速测定等关键技术。针对交通场景的特点,提出了基于双目视觉的混合高斯背景模型进行运动目标检测和速度测定,并通过实验验证了所提出的方法的有效性。本文的研究工作主要由车辆检测和车速测定两部分组成,下面主要对这两部分进行介绍：在车辆检测方面,本文提出了一种新的基于双目视觉的混合高斯背景建模方法,该方法利用双目视觉的深度信息建立背景模型,解决了基于单目视觉的运动检测中存在的黑洞、阴影以及光线频繁变化的问题,降低了运动物体的误检率,并能准确地检测到运动目标的轮廓。在车速测定方面,基于运动目标检测的基础上,结合目标的深度信息,提出了一种新的适应各种空间角度拍摄下的速度测定方法。解决了基于单目视觉车速测定情形下摄像机拍摄高度、角度、图像中实际距离难以获取以及视角误差等问题。